本文主要是介绍SHAP分析交互作用的功能,如果你用的模型是xgboost,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
SHAP分析交互作用的功能,如果你用的模型是xgboost
如果在SHAP分析中使用的是xgoost模型,就可以使用SHAP分析内置的交互作用分析,为分析变量间的相互提供了另外一个观察的视角。关于SHAP交互作用分析,一个参考资料,还是很值得看看。
- SHAP分析内置的交互作用可视化(汇总图)。是使用R语言shapviz包实现。前提是用的模型是xgboost,还要在获得shap对象的时候将参数“interactions=TRUE”。这个图对角线上是主效应,对角线两侧是交互作用,大概就是里面的点分得越开,交互作用越大。
- 如果觉得不够直观,还可以获取交互作用的SHAP值来绘制热图。R语言shapviz包中使用sv_interaction(shap obj)函数来绘制上面的图,如果将其中的参数“kind=‘no’”,那么就会获得一个交互作用的数据表,而不是图。这个数据表直接导入pheatmap()函数来绘制热图,应该是比较容易看懂。
- 这时候如果已经选出了感兴趣的变量,推荐你选择一个连续变量。这时候可以聚焦观察这两个变量之间的交互作用。这个功能并不需要xgboost模型。
- 如果恰巧与这个变量有交互作用的变量是一个分类变量,你可以用分层分析来观察两者之间的交互作用,包括使用限制性立方样条回归来拟合分层的SHAP值。
也有一些专门分析交互作用的专门的R包,比如interactions,或许使用SHAP分析发现交互作用之后,就可以引入这些包来进行一些交互作用分析,而以上的功能为我们提供了更多的选择。实现代码保存在和鲸社区相关项目,一键复现。
这篇关于SHAP分析交互作用的功能,如果你用的模型是xgboost的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!